DEA学习框架
1.DMU特征

1）同样的目标和任务

2）同样的外部环境

3）同样的投入和产出指标

2.DEA方法中包含若干关键要素

1）生产可能集（production possibility set, PPS）。生产可能集可以假定为规模收益不变可变非递增和非递减等。

2）测度（measure）。测度是指在给定偏好的基础上，用来测量DMUs绩效好坏的某种测量尺度，包括径向测度，Russell测度等。

3）偏好（preference）。常用的偏好有帕累托偏好，平均偏好，矩阵偏好等

4）变量类型（type of variables）。DMU单元的投入产出数据可以有不同的类型，例如非任意变化变量（non-discretionary variables）,不可控变量（non-controllable variables）,有界变量（bounded variables），负向变量（undesirable variables）等。

4）问题的层次。

6）数据是否确定（explicit or not）。

以上要素的组合，可以形成不同的DEA模型。生产可能集、测度和偏好的相关研究参考文献Preference, production and performance in data envelopment analysis。

	确定数据	不确定性数据
生产可能集	基于不同生产可能集假定的DEA模型	（1）基于统计特性的DEA模型 （2）区间数DEA模型 （3）模糊数DEA模型
测度	基于不同测度的DEA模型
偏好	蕴涵不同偏好的DEA模型
变量类型	基于不同变量类型DEA模型
问题的层次	多层次DEA模型
其他方面	（1）超效率模型 （2）DEA模型灵敏度分析

3.DEA模型应用

1）相对有效性评价

2）规模收益分析

3）最小成本问题

4）最大收益问题

5）最大利润问题

6）技术进步贡献率的估算

7）区域经济预警

8）系统分类